Category

Inflação

Análise estatística do IPCA-15 com o R

By | Inflação

O IPCA-15 é o primo do IPCA, o Índice de Preços ao Consumidor Amplo, principal índice de preços do país, que serve de referência para o regime de metas para inflação conduzido pelo Banco Central. A diferença entre um e outro se dá apenas pelo período de coleta, o IPCA-15 abrange o período de 16 do mês anterior até 15 do mês de referência, e pela abrangência geográfica. O acompanhamento do índice serve, por suposto, como boa prévia para verificar a inflação medida pelo IPCA.

Os dados do IPCA-15 podem ser facilmente baixados diretamente do site do SIDRA/IBGE, conforme o código a seguir.


library(tidyverse)
library(scales)
library(ggrepel)
library(png)
library(grid)
library(sidrar)
library(forecast)
library(tstools)

ipca15 = get_sidra(api='/t/3065/n1/all/v/355/p/all/d/v355%202') %>%
mutate(date = parse_date(`Mês (Código)`, format='%Y%m')) %>%
select(date, Valor) %>%
as_tibble()

Uma vez que os dados tenham sido baixados, é possível construir um gráfico como o abaixo, que ilustra a inflação acumulada em 12 meses medida pelo IPCA-15, bem como ilustra os limites da meta de inflação instituídos pelo Conselho Monetário Nacional (CMN). Os códigos dessa parte do exercício estão disponíveis para os membros do Clube AM.

Esse tipo de gráfico é interessante porque com ele é imediato verificar se a inflação medida pelo índice está dentro dos limites de tolerância estabelecidos pelo CMN. Como se vê, a inflação na ponta - janeiro de 2021 - encontra-se acima da meta de inflação, que para esse ano é de 3,75%.

Assim como o seu primo, o IPCA-15 também apresenta uma sazonalidade bastante aparente ao longo do ano, como pode ser visto abaixo.

Uma outra informação interessante sobre o índice reside na sua distribuição. Observe o boxplot abaixo.

A mediana do índice, para uma amostra que começa em janeiro de 200, está em 0,42%, enquanto a sua média está em 0,45%. O 1º quartil termina em 0,23% e o 3º quartil termina em 0,64%, o que dá um IQR de 0,41 pontos percentuais. Dado esse comportamento da média e da mediana, temos um histograma como o abaixo.

Dado o que foi dito anteriormente, temos uma assimetria à direita nos dados do IPCA-15. Essa análise exploratória dos dados do índice, diga-se, é de suma importância para construirmos um modelo adequado de previsão para o mesmo. É o que faremos em exercícios futuros dentro do Clube AM.

_________________

Análise do IPCA com o R

By | Inflação

O Índice de Preços ao Consumidor Amplo (IPCA) se consolidou como o principal índice de preços do país. Ele é utilizado, inclusive, como referência para o regime de metas para inflação administrado pelo Banco Central. O IPCA faz parte do Sistema Nacional de Índices de Preços ao Consumidor (SNIPC), sendo divulgado mensalmente pelo IBGE. A análise completa do índice faz parte do nosso Curso de Análise de Conjuntura usando o R.

O IPCA tem por objetivo medir a inflação de um conjunto de produtos e serviços comercializados no varejo, referentes ao consumo pessoal das famílias. Ele é construído de forma hierarquizada, sendo dividido em grupos, subgrupos, itens e subitens. Desde agosto de 1999, são nove os grupos: alimentos e bebidas, habitação, artigos de residência, vestuário, transportes, comunicação, saúde e cuidados pessoais, despesas pessoais e educação.

Para ilustrar a contribuição desses grupos para a inflação mensal, vamos coletar os dados da variação deles e o peso de cada grupo no índice diretamente do SIDRA/IBGE com o pacote sidrar.

O script começa, como de praxe, com os pacotes que utilizo.


library(tidyverse)
library(sidrar)

Na sequência, pegamos a variação e o peso dos nove grupos.


variacao =
'/t/7060/n1/all/v/63/p/all/c315/7170,7445,7486,7558,7625,7660,7712,7766,7786/d/v63%202' %>%
get_sidra(api=.) %>%
mutate(date = parse_date(`Mês (Código)`, format='%Y%m')) %>%
select(date, "Geral, grupo, subgrupo, item e subitem", Valor) %>%
pivot_wider(names_from = "Geral, grupo, subgrupo, item e subitem",
values_from = Valor)

peso =
'/t/7060/n1/all/v/66/p/all/c315/7170,7445,7486,7558,7625,7660,7712,7766,7786/d/v66%204' %>%
get_sidra(api=.) %>%
mutate(date = parse_date(`Mês (Código)`, format='%Y%m')) %>%
select(date, "Geral, grupo, subgrupo, item e subitem", Valor) %>%
pivot_wider(names_from = "Geral, grupo, subgrupo, item e subitem",
values_from = Valor)

A contribuição de cada grupo para a inflação mensal será dada pela multiplicação do peso pela variação, como abaixo.


contribuicao = (variacao[,-1]*peso[,-1]/100) %>%
mutate(date = variacao$date) %>%
select(date, everything())

De posse dos dados da contribuição, podemos construir o gráfico abaixo.

A partir desse gráfico, é possível ver que a inflação mensal tem se acelerado (a linha branca) e que a principal contribuição para isso vem do grupo Alimentação e bebidas (a parte verde).

_______________

(*) A análise completa está disponível no nosso Curso de Análise de Conjuntura usando o R.

Inflação de fevereiro ratifica corte de juros

By | Inflação

O IBGE divulgou agora há pouco a inflação medida pelo IPCA referente ao mês de fevereiro. Houve variação de 0,25%. No acumulado em 12 meses, a inflação registrou 4,01% de crescimento. O gráfico a seguir, retirado de script exclusivo do nosso Curso de Análise de Conjuntura usando o R, ilustra o comportamento da inflação ao longo do tempo.

A abertura do índice pelos 9 grupos mostra que a educação contribuiu com 0,23 p.p. para a inflação de fevereiro, como é típico no mês. O gráfico a seguir ilustra.

Com o resultado, não há qualquer restrição para que o Banco Central evite reduzir a taxa básica de juros na próxima semana. As apostas giram entre 25 e 50 pontos-base.

 

(*) Isso e muito mais você aprende em nossos Cursos Aplicados de R.

___________


Núcleos de Inflação seguem bem comportados

By | Inflação

O IBGE divulgou hoje pela manhã a inflação medida pelo Índice de Preços ao Consumidor Amplo (IPCA). A taxa ficou em 1,15% em dezembro, influenciada pelo choque de proteínas. No acumulado em 12 meses, a inflação fechou 2019 em 4,31%, levemente acima da meta de inflação, que era de 4,25%. Na ocorrência de choques exógenos, é importante olhar os núcleos de inflação. É o que mostro nesse post.

A ideia de um núcleo é capturar a tendência da inflação ao longo do tempo, retirando assim variações idiossincráticas. Em outros palavras, busca capturar a persistência do aumento de preços ao longo do tempo. Considere, por exemplo, que o preço de um bem/serviço {i} varie de acordo com a equação \pi_{i,t} = \pi_t + \mu_{i,t}, onde \pi_t representa uma tendência e \mu_{i,t} uma idiossincracia. Desse modo, para {n} bens/serviços, o núcleo será dado por:

(1)   \begin{align*} \pi_t^{nucleo} = \sum_{i=1}^{n} \omega_{i}\pi_{i,t} - \sum_{i=1}^{n} \omega_{i}\mu_{i,t} \end{align*}

Em outras palavras, o objetivo do núcleo é reconhecer e retirar a parte idissiocrática, \sum_{i=1}^{n} \omega_{i}\mu_{i,t}, concentrando-se na verdadeira tendência da variação dos preços ao longo do tempo. Não à toa, Bancos Centrais de todo o mundo procuram construir e acompanhar medidas de núcleo de inflação. No Brasil, em particular, temos atualmente sete medidas de núcleo. Ilustro abaixo o comportamento da média desses núcleos e a inflação cheia.

Como é possível verificar, a despeito da aceleração na inflação cheia, os núcleos de inflação seguem bem comportados. A média dos sete núcleos fechou 2019 em 3,10%, no limite inferior da meta. Na ocorrência de choques de oferta, cabe ao Banco Central garantir que não haja efeitos secundários, isto é, que o choque não contamine os demais preços da economia. Até aqui, não há evidências de que isso esteja ocorrendo.

________________

Jogos de Azar é o subitem com maior contribuição para a inflação de novembro

By | Inflação

O IBGE divulgou agora há pouco o IPCA de novembro. Como esperado, houve contribuição positiva de subitens ligados à carne bovina para a inflação do mês. Individualmente, porém, o subitem que mais contribuiu para a inflação de 0,51% foi jogos de azar com 0,10 pontos percentuais. Abaixo um gráfico com as maiores contribuições positivas e negativas para a inflação de novembro.

_______________________

O script completo está disponível no Curso de Análise de Conjuntura usando o R.

Cadastre-se em nossa Lista VIP para receber conteúdos exclusivos!

Fazer Inscrição
{"cart_token":"","hash":"","cart_data":""}